图像运算-实验报告(共9页).doc

《图像运算-实验报告(共9页).doc》由会员分享，可在线阅读，更多相关《图像运算-实验报告(共9页).doc（9页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、精选优质文档-倾情为你奉上评分实验报告 课程名称 医学图像处理 实验名称 图像运算 专业班级 姓 名 学 号 实验日期 实验地点 20152016学年度第 2 学期一、 实验目的MATLAB的图像处理工具箱提供了图像运算函数。本实验将具体介绍Matlab中的图像点运算、代数运算、几何和邻域操作运算。二、实验环境 1、硬件配置：处理器：Intel（R） Core(TM) i7-3770 CPU 3.40GHz 3.40GHz 安装内存（RAM）：4.00GB 系统类型：64位操作系统2、 软件环境：MATLAB R2013b软件三、实验内容利用Matlab对图像进行点运算、加法运算、减法运算、乘

2、法运算、除法运算、改变图像的大小、旋转图像、图像的剪切、图像的邻域操作。四、实验结果与分析 （包括实验原理、数据的准备、运行过程分析、源程序（代码）、图形图象界面等）注：本项可以增加页数例1 图像点运算skull=imread(skull.tif); %读取图像 subplot(131),imshow(skull) %生成一行三列三块区域，并在第一块区域绘制图像 I=double(skull); %转换为双精度类型 J=I*0.43+60; %利用该函数对输出图像进行压缩，使其对比度减小，图像变暗skull2=uint8(J); %转换为uint8 subplot(132),imshow(sk

3、ull2) %在第二块区域绘制图像 J=I*1.5-60; %利用该函数对输出图像进行对比度级数拓展，使其对比度增强，图像变亮 skull3=uint8(J); %转换为uint8 subplot(133),imshow(skull3) %在第三块区域绘制图像运行结果： 图1 原图像 图2 对比度减小的图像 图3 对比度增强的图像分析：1）subplot是用于将多个图像画到一个平面上的函数。subplot(m,n,p,)中的m表示m行，n表示n列，p表示从左到右的第几块区域；2）uint8表示8位无符号的整型数据类型，以此方式存储的图像称作8位图像；而Matlab中数值一般采用double型的

4、存储和运算，因此在进行本题的灰度变换运算时，应先把skull图像转化为double格式； 3）线性灰度变换函数 当a=1，b=0时，输出图像像素不发生变化；当a=1，时，输出图像所有灰度值上移或下移；当时，输出图像灰度级压缩，对比度减小，如图2所示；当时，输出图像灰度级拓展，对比度增强，如图3所示；当 时，输出图像暗区域变亮，亮区域变暗，图像求反。2、图像的代数运算例2 图像加法运算skull=imread(skull.tif); %读取图像imshow(skull) %显示图像J=imread(cameraman.tif); %读取图像figure,imshow(J) %显示图像I=imre

5、size(skull,256,256); %将skull图像转换为的大小K=imadd(I,J); %对两幅图像的灰度值进行加法运算figure,imshow(K) %显示图像K2=imadd(I,J,uint16); %对两幅图像的灰度值进行加法运算，并转化为uint16figure,imshow(K2,) %显示图像RGB=imread(skull.tif); %读取图像RGB2=imadd(RGB,50); %将图像skull与常数50相加imshow(RGB) %显示RGB图像figure,imshow(RGB2) %显示亮度增强50的RGB图像RGB3=imadd(RGB,100);

6、 %将图像skull与常数100相加figure,imshow(RGB3) %显示亮度增强100的RGB图像运行结果： 图4 skull原图像 图5 cameraman原图像 图6 两幅相加后的图像 图7 转化为uint16的图像 图8 RGB原图 图9 亮度增强50后的图像图10 亮度增强100后的图像分析：1）imadd是用于实现两图像灰度值相加的函数，imadd(I,J)中的I和J要求大小相等，由于我读取的skull图像的尺寸为，因此在进行I和J的加法运算前须利用imresize函数把skull图像转换为的大小； 2）I和J进行相加后的图像如图6所示，而在I和J相加的基础上将其转换为ui

7、nt16的图像如图7所示，我们可以清楚的发现图6比图7的更亮，但细节比图7的模糊，这是由于Matlab在运算后会自动将图像转换为double型，因此uint16的图像是比double型的图像更清晰； 3）imadd（RGB,50）是将一个常数50加到RGB图像上,即使图像的灰度级增强了50，如图9所示，以此类推，图10为灰度级增强了100的图像。例3 图像减法运算I=imread(skull.tif); %读取图像imshow(I) %显示图像background=imopen(I,strel(disk,15); %估计圆盘半径为15的背景图像figure,imshow(background)

8、; %显示背景图I2=imsubtract(I,background); %从原始图像中减去不均匀的背景图运行结果： 图11 skull原图 图12 背景图 图13 减去背景图后的图像分析：1）imopen开运算属于形态图像处理，是先腐蚀后膨胀，可以使边界平滑，消除尖刺，断开窄小的连接，保持面积大小不变；strel是用于构建结构元素对象，imopen(I,strel(disk,15)就是构建圆盘半径为15的背景图，如图12所示； 2）imsubtract函数是用于两幅图像的相减运算，如图13所示，减去不均匀的部分后，图像变得更加平滑。例4 图像的乘法运算I=imread(skull.tif);

9、 %读取图像J=immultiply(I,1.2); %图像的乘法，缩放因子是1.21，增强图像的亮度K=immultiply(I,0.5); %图像的乘法，缩放因子是0.51，减小图像的亮度imshow(I) %显示原图像figure,imshow(J) %显示亮度增强图像figure,imshow(K) %显示亮度减小图像运行结果： 图14 skull原图 图15 亮度增强后的图像 图16 亮度减小后的图像分析：1）乘法运算可以实现掩模操作，即屏蔽掉图像的某些部分 2）一幅图像乘以一个常数通常被称为缩放。immultiply(I,1.2)，使用的缩放因数大于1，那么将增强图像的亮度，如图1

10、5所示；immultiply(I,0.5)中的因数小于1则会使图像变暗，如图16所示。例5 图像除法运算I=imread(skull.tif); %读取原图像J=double(I)*0.43+80; %利用该函数对输出图像进行处理，是对比度减小，图像变暗J=uint8(J); %转换成uint8K=imdivide(I,J); %除法运算imshow(I) %显示原图像figure,imshow(J) %显示对比度减小的图像figure,imshow(K) %显示灰度级相除后的图片运行结果： 图17 skull原图 图18 对比度减小的图片 图19 灰度级相除后的图片分析：1）J=double

11、(I)*0.43+80是将skull图像转换为double型再对其进行灰度变换运算，使其灰度级减小，如图18所示； 2）imdivide(I,J)要求I和J数据类型一致，因此在进行此运算时，须先将double型的J转换为uint8，两幅图像的灰度级相除后的到的结果为0,1，因为其灰度级极其相近且小，肉眼无法分辨，故我们所看到的输出图像几近与纯黑色，如图19所示； 3）除法运算是用于校正成像设备的非线性影响。例6 图像的几何运算I=imread(skull.tif); %读取图像J=imresize(I,1.25); %返回图像J,其长宽是图像I的长宽的1.25倍，即放大图像K=imresize

12、(I,0.8); %返回图像K,其长宽是图像I的长宽的0.8倍，即缩小图像imshow(I) %显示原图figure,imshow(J) %显示尺寸放大的图像figure,imshow(K) %显示尺寸减小的图像 Y=imresize(I,100,150); %返回图像Y，高度为100，宽度为150figure,imshow(Y) %显示的图像运行结果： 图20 skull的原图像 图21 尺寸放大的图像 图22 尺寸减小的图像图23 的图像分析：1）imresize函数可改变图像输出图像的大小，J=imresize(I,1.25)为返回图像J,其长宽是图像I的长宽的1.25倍，即放大图像，如

13、图21所示；K=imresize(I,0.8)为返回图像K,其长宽是图像I的长宽的0.8倍，即缩小图像，如图22所示； 2）Y=imresize(I,100,150)是直接指定输出图像真实的大小，即返回图像Y，高度为100，宽度为150。例7 旋转一幅图像I=imread(skull.tif); %读取图像J=imrotate(I,30,bilinear); %将图像skull绕图像的中心点旋转30度J1=imrotate(I,30,bilinear,crop); %crop：通过对旋转后的图像进行裁剪，保持旋转后输出图像J1的尺寸和输入图像skull的尺寸一样。imshow(I) %显示原图

14、figure,imshow(J) %显示逆时针旋转30度的图像figure,imshow(J1) %显示裁剪后的图像J2=imrotate(I,-15,bilinear); %将图像顺时针旋转15度，进行双线性插值figure,imshow(J2) %显示顺时针旋转15度的图像运行结果： 图24 skull的原图像 图25 逆时针旋转的图像 图26 裁剪后的图像 图27 顺时针旋转的图像分析：1） Imrorate(x，n)是用于对图像进行旋转的函数，其中X若为正数则表示逆时针旋转，数则表示顺时针旋转；J=imrotate(I,30,bilinear)表示逆时针旋转30度，如图25所示；其中b

15、ilinear为双线性插值，在两个方向分别进行一次线性插值；J2=imrotate(I,-15,bilinear)则表示顺时针旋转15度，如图27所示；2） J1=imrotate(I,30,bilinear,crop)中的crop是通过对旋转后的图像进行裁剪，保持旋转后输出图像J1的尺寸和输入图像skull的尺寸一样，如图26所示。例8 图像剪切%通过交互操作，从一幅图像中剪切一个矩形区域。I=imread(skull.tif); %读取图像imshow(I); %显示图像II1=imcrop; %对图像进行自由地剪切操作figure,imshow(I1) %显示图像I1I2=imcrop(

16、I,30 60 120 160); %剪切图像I,坐标（30，60）往下120*160的图像figure,imshow(I2) %显示图像I2运行结果： 图28 skull的原图像 图29 手动剪切后的图像 图30 定义剪切后的图像分析：1）imcrop用于返回图像的一个裁剪区域，但其也允许用户自己以交互方式使用鼠标选定要剪切的区域；因此如图29所示，为我们自己手动剪切的图像；I2=imcrop(I,30 60 120 160)为剪切横坐标30-60，纵坐标60-160的图像区域，如图30所示。例9 图像的领域操作I=imread(skull.tif); %读取原图f=inline(max(x

17、(:); %定义一个取最大值的函数f，构造复合函数I2=nlfilter(I,3 3,f); %对图像I的每一个3*3滑块应用函数f，滑动邻域操作imshow(I) %显示原图figure,imshow(I2) %显示进行滑动邻域操作的图像I=imread(skull.tif); %读取原图f=inline(uint8(round(mean2(x)*ones(size(x); %构造复合函数I2=blkproc(I,8 8,f); %对图像I的每一个8*8滑块应用函数f，分离邻域操作imshow(I) %显示原图figure,imshow(I2) %显示分离邻域操作的图像运行结果： 图31 s

18、kull的原图像 图32 滑动邻域操作的图像 图33 分离邻域操作的图像分析：1）nlfilter是对图像进行边沿操作，即进行滑动邻域操作，nlfilter(I,3 3,f)为对图像I的每一个3*3滑块应用函数f进行滑动邻域操作，如图32所示；2） blkproc是实现图像的显示块操作，即分离邻域操作，blkproc(I,8 8,f)为对图像I的每一个8*8滑块应用函数f进行分离邻域操作，如图33所示；五、实验小结： （包括主要实验问题的最终结果描述、详细的收获体会，待解决的问题等）在此次实验中，由于实验内容更贴近生活应用，因此比起上学期，我们更容易领悟该程序的表达，只是在细节方面还是很容易出

19、错，甚至不容易拐过弯来。在实验中应注意的点：1）在编写运行文件的时候要选择正确的路径，图片保存在哪里，就应该选择哪里，不然就会出现读取错误。2）显示图像中的以灰度级20显示图像的时候，因为灰度级定义得太小，导致无图像显示，这时我们可以用增大灰度级的方法，imshow（J，100）;或imshow(J,0,100);显示部分图像信息.3）当用imshow显示另一图像时，MATLAB会字屏幕上用新图像替换旧图像。为保持第一幅图像并显示第二幅图像，可以用figure函数。4）在进行图像的运算时应注意保持图像的类型和大小一致5）明确每一种代数运算的意图，并学会理论联系实际，对输出图像进行分析。 手写签名：专心-专注-专业